一種基于卷積神經(jīng)網(wǎng)絡的立體匹配算法設計
所屬分類：技術論文
上傳者：muyx
文檔大小：2130 K
標簽： 卷積神經(jīng)網(wǎng)絡 立體匹配 空洞空間金字塔池化
所需積分：0分積分不夠怎么辦,？
文檔介紹：立體視覺作為計算機視覺最為熱門的研究領域,，廣泛應用于車輛的自動駕駛、機器人導航,、三維重建,、物體檢測和識別等方面。立體匹配作為立體視覺系統(tǒng)中的核心技術,，其匹配的精確度決定著整個系統(tǒng)的性能,。由于拍攝的立體圖像大多存在噪聲干擾、重復紋理,、低紋理和遮擋區(qū)域等問題,，并且受到光照條件的影響，如何高效快速地獲取精準的視差圖仍存在著諸多挑戰(zhàn),。 立體匹配算法的典型流程包含匹配代價計算,、代價聚合,、視差計算和視差優(yōu)化四個步驟［1］,，其又分為全局算法和局部算法。局部算法通常使用固定大小的窗口或可變的窗口來計算初始代價,，例如Census算法等,，實現(xiàn)都比較簡便，但是在視差突變區(qū)域存在諸多弊端,，對低紋理和遮擋區(qū)域匹配效果差,。全局匹配算法通過建立全局能量函數(shù)，利用最小化全局能量函數(shù)來獲取最優(yōu)的視差值［2］,。常用的全局匹配算法包含動態(tài)規(guī)劃,、圖割法、置信傳播法,、遺傳算法等,。全局匹配算法隨著計算復雜度的提升，匹配效果較局部算法有所提升,，但數(shù)據(jù)依賴性大導致運行速度慢,，需要花費很長的時間進行計算。 為了解決傳統(tǒng)立體匹配算法在低紋理,、遮擋區(qū)域的匹配效果差的問題,，本文研究了一種端到端的基于卷積神經(jīng)網(wǎng)絡的立體匹配算法，并利用了空洞空間金字塔池化(ASPP)［3］網(wǎng)絡獲取圖像的上下文信息和多尺度的三維卷積網(wǎng)絡來擴大圖像的感受野,。最終獲得的視差圖的精度遠高于傳統(tǒng)匹配算法,，對圖像的邊緣、遮擋區(qū)域的匹配效果都非常優(yōu)異。
現(xiàn)在下載
VIP會員,，AET專家下載不扣分,；重復下載不扣分，本人上傳資源不扣分,。